ٻہ نالي ورڇ

ٻہ نامي ورڇ: نظريو، استعمال، ۽ مثال

پنڊال

انگن اکرن ۽ امڪان جي نظريي ۾ بائنوميل ورڇ هڪ بنيادي تصور آهي. سڀ کان وڌيڪ استعمال ٿيندڙ ڊسڪريٽ ورڇن مان هڪ جي طور تي، بائنوميل ورڇ طب، معاشيات، حياتيات، ۽ سماجي سائنس جهڙن شعبن ۾ ڪيترائي استعمال پيش ڪري ٿو. هي مضمون بائنوميل ورڇ تي کوٽائي سان بحث ڪندو، جنهن ۾ ان جي تعريف، اهم خاصيتون، لاڳاپيل فارمولا، ۽ ڪيترائي عملي استعمال جا مثال شامل آهن.

بائنوميل ورڇ کي سمجھڻ

ٻہ نالي واري تقسيم n برنولي آزمائشن جي نتيجي کي بيان ڪري ٿي، جتي هر آزمائش جا صرف ٻه ممڪن نتيجا آهن: "ڪاميابي" يا "ناڪامي." مثال طور، سڪي جي ٽاس ۾، ممڪن نتيجا "سر" يا "سر" آهن.

بائنوميل ورڇ ۾ ٻه مکيه پيرا ميٽر آهن:
1. ن (آزمائشن جو تعداد)
2. پي (هر آزمائش ۾ ڪاميابي جو امڪان)

وڌيڪ رسمي طور تي، n آزمائشن ۾ ڪاميابين جو تعداد بائنوميل ورڇ \( B(n, p) \) ذريعي بيان ڪري سگهجي ٿو.

امڪاني ماس فنڪشن (PMF)

بائنوميل ورڇ جي امڪاني ماس فنڪشن کي هن طرح ترتيب ڏنو ويو آهي:
\[ پي(ايڪس = ڪ) = \بائنوم{ن}{ڪ} پ^ڪ (1 – پ)^{ن – ڪ} \]
ڪٿي:
– \( \binom{n}{k} \) n چونڊيل k جو ميلاپ آهي،
– \( p \) هڪ آزمائش ۾ ڪاميابي جو امڪان آهي،
– \( k \) ڪاميابين جو تعداد آهي،
– \( n \) آزمائشن جو ڪل تعداد آهي.

بائنوميل ورڇ جون مکيه خاصيتون

ٻہ نالي واري ورڇ ۾ ڪيترائي اهم خاصيتون آهن:
1. اوسط (اوسط): هر آزمائش ۾ ڪاميابي جي امڪان سان آزمائشن جي تعداد کي ضرب ڪرڻ سان حاصل ڪيو ويندو آهي. اوسط \( \mu = np \) آهي.
2. فرق: ٻہ نالي واري ورڇ جو فرق آزمائشن جي تعداد، ڪاميابي جي امڪان، ۽ ناڪامي جي امڪان جي پيداوار آهي، يعني، \( \sigma^2 = np(1 – p) \).
3. هم آهنگي ۽ ترچھائي: جڏهن \( p = 0.5 \)، ٻہ نامي ورڇ هم آهنگي واري هوندي آهي. \( p < 0.5 \) لاءِ، ورڇ ساڄي طرف ترڇو آهي، ۽ \( p > 0.5 \) لاءِ، ورڇ کاٻي طرف ترڇو آهي.
4. قدر جون حدون: ٻہ نالي واري قدر (k) 0 کان n تائين هوندي آهي.

ٻہ نالي واري ورڇ ۽ مرڪزي حد جو نظريو

مرڪزي حد جي ٿيوريم ۾ ٻہ نامي تقسيم هڪ اهم ڪردار ادا ڪري ٿي. جڏهن آزمائشن جو تعداد (n) تمام وڏو ٿي ويندو آهي، ته ٻہ نامي تقسيم هڪ عام تقسيم تائين پهچندي جنهن ۾ اوسط \( \mu = np \) ۽ معياري انحراف \( \sigma = \sqrt{np(1 – p)} \) هوندو.

ڪيس جي مثال بائنوميل ڊسٽريبيوشن استعمال ڪندي

مختلف شعبن مان عملي مثالن ذريعي بائنوميل ورڇ بابت بحث کي سمجهڻ آسان ٿيندو. هتي ڪجهه حقيقي دنيا جا استعمال آهن:

مثال 1: پراڊڪٽ ٽيسٽنگ

فرض ڪريو ته هڪ اليڪٽرانڪس ڪمپني وٽ هڪ پيداوار واري لائن آهي جتي خراب پراڊڪٽ جو امڪان 0.01 آهي. جيڪڏهن ڪمپني 100 شين جو معائنو ڪري ٿي، ته پوءِ بلڪل 2 خراب پراڊڪٽ ڳولڻ جو امڪان ڪيترو آهي؟

ٻہ نامي ورڇ فارمولا استعمال ڪندي:
\[ پي(ايڪس = 2) = \بائنوم{100}{2} (0.01)^2 (0.99)^{98} \]

مجموعن \(\binom{100}{2}) کي ڳڻڻ سان، پوءِ باقي امڪانن سان ضرب ڪرڻ سان، اسان آخري نتيجو حاصل ڪندا آهيون.

مثال 2: طبي تحقيق

ڪنهن خاص بيماري لاءِ دوا جي ڪلينڪل ٽرائل ۾، مريض جي دوا سان صحتياب ٿيڻ جو امڪان 0.8 آهي. جيڪڏهن 10 مريضن جي ٽيسٽ ڪئي وڃي ته، گهٽ ۾ گهٽ 8 مريضن جي صحتياب ٿيڻ جو امڪان ڪيترو آهي؟

هن امڪان کي ڳولڻ لاءِ، اسان کي 8، 9، ۽ 10 مريضن جي صحتياب ٿيڻ جا امڪان شامل ڪرڻا پوندا:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) \]

k (8، 9، ۽ 10) جي هر قدر لاءِ بائنوميل فارمولا استعمال ڪندي، پوءِ نتيجن کي شامل ڪندي.

مثال 3: معاشيات ۾ فيصلا

مارڪيٽ سروي ۾، 60 سيڪڙو صارفين هڪ نئين پراڊڪٽ کي پسند ڪيو. جيڪڏهن 20 صارفين جو بي ترتيب نمونو ورتو وڃي، ته ان ڳالهه جو امڪان ڪيترو آهي ته انهن مان گهٽ ۾ گهٽ 15 ماڻهن کي پراڊڪٽ پسند آئي هجي؟

اسان کي 15 کان 20 تائين پسنديدگين جي امڪان کي ڳڻڻ لاءِ ٻہ نامي تقسيم جي ضرورت آهي:
\[ P(X \geq 15) = P(X = 15) + P(X = 16) + P(X = 17) + P(X = 18) + P(X = 19) + P(X = 20) \]

ساڳئي طريقي کي استعمال ڪندي، اسان انهن امڪانن جو حساب ڪريون ٿا ۽ انهن کي شامل ڪريون ٿا.

بائنوميل ورڇ جي حسابن ۾ ٽيڪنالاجي استعمال ڪرڻ

ڊجيٽل دور ۾، بائنوميل ڊسٽريبيوشن ڳڻپيوڪر ايپليڪيشنون نه رڳو دستي طور تي ڪيون وينديون آهن پر آر، پٿون، يا ڪجهه شمارياتي ڪيلڪيوليٽر جهڙن سافٽ ويئرن جي استعمال سان پڻ ڪيون وينديون آهن.

هتي بائنوميل ورڇ جي حساب لاءِ پٿون استعمال ڪرڻ جو هڪ مثال آهي:

"پٿر"
scipy.stats امپورٽ بائنوم کان

n = 10 آزمائشن جو تعداد
p = 0.8 ڪاميابي جو امڪان
k = 8 ڪاميابين جو متوقع تعداد

بلڪل 8 ڪاميابين جو امڪان
مسئلو_8 = بائنوم.پي ايم ايف (ڪ، ن، پ)

گهٽ ۾ گهٽ 8 ڪاميابين جو امڪان
prob_ge_8 = 1 - binom.cdf(k-1, n, p)

print(f”بلڪل 8 ڪاميابين جو امڪان: {prob_8}”)
print(f”گهٽ ۾ گهٽ 8 ڪاميابين جو امڪان: {prob_ge_8}”)
“

نتيجو

انگن اکرن ۽ امڪان ۾ ٻہ نالي واري ورڇ هڪ ضروري بنيادي تصور آهي. ٻہ نالي واري ورڇ کي سمجهڻ سان، اسان حقيقي دنيا جي حالتن ۾ مختلف امڪاني ماڊل لاڳو ڪري سگهون ٿا جن ۾ ٻن نتيجن سان بار بار تجربا شامل آهن. ٽيڪنالاجي اوزار استعمال ڪرڻ جي صلاحيت حساب ڪتاب جي عمل کي وڌيڪ ڪارآمد ۽ صحيح بڻائي ٿي. ٻہ نالي واري ورڇ نه رڳو نظرياتي طور تي اهم آهي پر سائنس ۽ صنعت جي مختلف شعبن ۾ ان جا ڪيترائي لاڳاپيل عملي استعمال پڻ آهن.

اميد آهي ته هي مضمون ٻہ نالي واري ورڇ جي گهري سمجھ فراهم ڪندو ۽ انگ اکر ۽ امڪان جي شعبن ۾ وڌيڪ ڳولا کي متاثر ڪندو.